多峰優(yōu)化遺傳算法及多目標(biāo)優(yōu)化進(jìn)化算法研究.pdf

1、隨著應(yīng)用的不斷深入，遺傳算法在優(yōu)化多峰問(wèn)題中的不足逐漸暴露出來(lái)。小生境作為優(yōu)化多峰問(wèn)題的一種有效手段，得到了廣泛關(guān)注，并已經(jīng)成為遺傳算法領(lǐng)域的一個(gè)研究熱點(diǎn)。目前，小生境技術(shù)的設(shè)計(jì)和理論研究還并不完善。缺乏統(tǒng)一的小生境理論框架模型，難以從理論上分析和比較不同技術(shù)方法的小生境形成和維持能力。大多數(shù)技術(shù)方法都是針對(duì)二進(jìn)制編碼或者實(shí)數(shù)編碼的函數(shù)優(yōu)化，由于缺乏描述搜索空間局部性的理論和方法，這些方法難以推廣到某些組合優(yōu)化和特殊的表示問(wèn)題。本文主要

2、小生境算法的特點(diǎn)進(jìn)行了研究和探討，提出了一種多群體小生境的新方法，并采用C++進(jìn)行仿真實(shí)驗(yàn)，測(cè)試算法的性能。 現(xiàn)實(shí)中的優(yōu)化問(wèn)題常常需要同時(shí)優(yōu)化多個(gè)目標(biāo)，這些問(wèn)題被稱為多目標(biāo)優(yōu)化問(wèn)題。本文提出了多目標(biāo)優(yōu)化問(wèn)題的一個(gè)通用框架，并分析了其收斂性。 本文的主要工作如下。 （1）設(shè)計(jì)了一種新的適應(yīng)值變換方式來(lái)產(chǎn)生小生境。適應(yīng)值共享模型中的適應(yīng)值變換有三個(gè)缺點(diǎn)，即計(jì)算量大，難以確定小生境半徑，基于離峰值均勻分布的假設(shè)。設(shè)計(jì)的